生成式 AI 用于提升野火检测：桥接合成-真实领域差距

野火的早期检测是关键环境挑战，及时识别烟雾浪头是缓解大规模损害的关键。 虽然深度神经网络在定位任务中已被证明非常有效，但用于烟雾检测的大型标注数据集的稀缺性限制了其潜力。 作为响应，我们利用生成式 AI 技术来解决这一数据限制，通过合成一个全面且带注释的烟雾数据集。 然后，我们探索了无监督域适应方法用于烟雾浪头分割，分析其在弥合合成数据与真实世界数据之间的差距方面的有效性。 为进一步细化性能，我们集成了诸如风格迁移、生成对抗网络(GANs)和图像描绘等先进的生成方法。 这些方法旨在增强合成数据的真实感，并桥接领域差异，为更准确和可扩展的野火检测模型铺平了道路。